नमूना आकार उपेक्षा
नमूना आकार की उपेक्षा एक संज्ञानात्मक पूर्वाग्रह है जो अमोस टावस्की और डैनियल कहमैन द्वारा प्रसिद्ध है। यह तब होता है जब सांख्यिकीय जानकारी के उपयोगकर्ता प्रश्न में डेटा के नमूना आकार पर विचार करने में विफल होकर गलत निष्कर्ष निकालते हैं।
नमूना आकार की उपेक्षा का अंतर्निहित कारण यह है कि लोग अक्सर यह समझने में विफल रहते हैं कि छोटे नमूनों में उच्च स्तर के विचरण की संभावना अधिक होती है। इसलिए, यह निर्धारित करना महत्वपूर्ण है कि किसी दिए गए आंकड़े का उत्पादन करने के लिए इस्तेमाल किया गया नमूना आकार सार्थक निष्कर्ष के लिए अनुमति देने के लिए पर्याप्त बड़ा है या नहीं।
यह जानना कि जब एक नमूना आकार पर्याप्त रूप से बड़ा होता है, तो उन लोगों के लिए चुनौतीपूर्ण हो सकता है जिन्हें सांख्यिकीय विधियों की अच्छी समझ नहीं है।
चाबी छीन लेना
- नमूना आकार की उपेक्षा एक संज्ञानात्मक पूर्वाग्रह है जिसका अध्ययन अमोस टावस्की और डैनियल कहमैन द्वारा किया गया है।
- इसमें नमूने के आकार के प्रभावों पर विचार न करने के कारण सांख्यिकीय जानकारी से गलत निष्कर्ष निकालना शामिल है।
- नमूना आकार की उपेक्षा के जोखिम को कम करने के इच्छुक लोगों को याद रखना चाहिए कि छोटे नमूना आकार अधिक अस्थिर सांख्यिकीय परिणामों से जुड़े हैं, और इसके विपरीत।
नमूना आकार की उपेक्षा को समझना
जब एक नमूना आकार बहुत छोटा होता है, तो सटीक और भरोसेमंद निष्कर्ष नहीं निकाला जा सकता है। वित्त के संदर्भ में, यह निवेशकों को विभिन्न तरीकों से गुमराह कर सकता है।
उदाहरण के लिए, एक निवेशक एक नए निवेश कोष के लिए एक विज्ञापन देख सकता है, जिसमें शुरुआत से ही 15% वार्षिक रिटर्न उत्पन्न होता है। निवेशक को यह शामिल करने की जल्दी हो सकती है कि यह निधि तेजी से धन सृजन के लिए उनका टिकट है। हालांकि, यह निष्कर्ष खतरनाक रूप से गलत हो सकता है यदि फंड बहुत लंबे समय से निवेश नहीं कर रहा है। उस मामले में, परिणाम अल्पकालिक विसंगतियों के कारण हो सकते हैं और फंड की वास्तविक निवेश पद्धति से बहुत कम संबंध हैं।
नमूना आकार की उपेक्षा अक्सर बेस रेट उपेक्षा के साथ भ्रमित होती है, जो एक अलग संज्ञानात्मक पूर्वाग्रह है। जबकि नमूना आकार की उपेक्षा सांख्यिकीय दावों की विश्वसनीयता का निर्धारण करने में नमूना आकारों की भूमिका पर विचार करने में विफलता को संदर्भित करती है, नई जानकारी का मूल्यांकन करते समय आधार दर उपेक्षा एक घटना के बारे में मौजूदा ज्ञान की उपेक्षा करने की लोगों की प्रवृत्ति से संबंधित है।
नमूना आकार की उपेक्षा का वास्तविक विश्व उदाहरण
नमूना आकार की उपेक्षा को बेहतर ढंग से समझने के लिए, निम्नलिखित उदाहरण पर विचार करें, जो अमोस टावस्की और डैनियल कहमैन द्वारा अनुसंधान से लिया गया है:
एक व्यक्ति को पांच गेंदों के नमूने से आकर्षित करने के लिए कहा जाता है, और पाता है कि चार लाल हैं और एक हरा है।
एक व्यक्ति 20 गेंदों के नमूने से आकर्षित होता है, और पाता है कि 12 लाल हैं और आठ हरे हैं।
कौन सा नमूना बेहतर सबूत प्रदान करता है कि गेंद मुख्य रूप से लाल हैं?
अधिकांश लोग कहते हैं कि पहला, छोटा नमूना बहुत अधिक मजबूत सबूत प्रदान करता है क्योंकि लाल से हरे रंग का अनुपात बड़े नमूने की तुलना में बहुत अधिक है। हालांकि, वास्तव में उच्च अनुपात छोटे नमूना आकार से आगे निकल जाता है। 20 का नमूना वास्तव में बहुत मजबूत सबूत प्रदान करता है।
अमोस टावस्की और डैनियल काह्नमैन का एक अन्य उदाहरण इस प्रकार है:
एक कस्बा दो अस्पतालों द्वारा परोसा जाता है। बड़े अस्पताल में, प्रत्येक दिन औसतन 45 बच्चे पैदा होते हैं, और छोटे अस्पताल में प्रत्येक दिन लगभग 15 बच्चे जन्म लेते हैं। हालांकि सभी शिशुओं के 50% लड़के हैं, सटीक प्रतिशत दिन-प्रतिदिन में उतार-चढ़ाव होता है।
एक वर्ष के दौरान, प्रत्येक अस्पताल ने उन दिनों को दर्ज किया, जिन पर 60% से अधिक शिशुओं को लड़के हुए। ऐसे दिनों में किस अस्पताल ने अधिक दर्ज किया?
यह सवाल पूछे जाने पर, 22% उत्तरदाताओं ने कहा कि बड़ा अस्पताल ऐसे दिनों में रिपोर्ट करेगा, जबकि 56% ने कहा कि परिणाम दोनों अस्पतालों के लिए समान होंगे। वास्तव में, सही उत्तर यह है कि छोटा अस्पताल अधिक दिन दर्ज करेगा, क्योंकि इसका छोटा आकार अधिक परिवर्तनशीलता पैदा करेगा।
जैसा कि हमने पहले उल्लेख किया था, नमूना आकार उपेक्षा की जड़ यह है कि लोग अक्सर यह समझने में विफल रहते हैं कि छोटे नमूनों में उच्च स्तर के विचरण की संभावना अधिक होती है। निवेश में, यह वास्तव में बहुत महंगा हो सकता है।
इनवेस्टमेंट अकाउंट्स प्रोवाइडर नाम की तुलना करें। विज्ञापनदाता का विवरण × इस तालिका में दिखाई देने वाले प्रस्ताव उन साझेदारियों से हैं जिनसे इन्वेस्टोपेडिया को मुआवजा मिलता है।